Big Data im Innovationsmanagement: Wie Machine Learning die Suche nach Trends und Technologien revolutioniert

IT-Strategien und Lösungen

Welche Trends für Business Intelligence (BI), Data & Analytics werden das Jahr 2020 prägen? Im Interview gibt BARC-Chef-Analyst Dr. Carsten Bange seine Prognosen ab. Außerdem stellt er exklusiv die Ergebnisse des BARC BI Trend Monitor 2020 vor, der 2.650 Anwender von BI-Technologie zu ihren persönlichen Trendthemen befragt hat.

Dr. Carsten Bange, Gründer und Geschäftsführer von BARC spricht im Interview über die aktuellen Trends für Business Intelligence, Data und Analytics.

Anzeige

Herr Dr. Bange, welche Trends sehen Sie aktuell im Markt für Data & Analytics?

BI, Datenmanagement und Analytics ist ein weites Feld mit vielen Facetten, daher gibt es natürlich sehr viele Trends mit ganz unterschiedlichen Zielrichtungen. Der Markt für Informationstechnologie ist für viele nicht von ungefähr immer unübersichtlicher.

Um die vielen Entwicklungen zu strukturieren und besser verständlich zu machen, segmentieren wir daher alle Trends in fünf Bereiche. Dies ist erstens die Befähigung der Nutzer, die sich an Themen wie beispielsweise Self-Service BI manifestiert. Der flexiblere Umgang mit Daten und mehr Analysefähigkeit für Fachanwender bleibt weiterhin ein wichtiges Thema. Zweitens wird die Erweiterung von Data Management und Analytics noch lange relevant bleiben, z. B. die Einbeziehung neuer Datenquellen und Datenarten, der Ausbau von Streaming Analytics oder die Ergänzung um Advanced Analytics, um nur wenige Beispiele zu nennen.

Drittens geht es bei vielen Trends um eine Modernisierung der Datenarchitektur, also z. B. Automatisierung und Flexibilisierung der vorhandenen Strukturen, Integration neuer Technologien für Datenspeicherung und Datenintegration oder, ganz konkret z. B. die Einführung von Data Catalogs für eine bessere Übersichtlichkeit der vorhandenen Daten und die einfache Handhabung von Zugriffsrechten. Viele Unternehmen haben erkannt, dass neue Technologien und Architekturen nur auf Basis einer guten Organisationsstruktur für Daten und Analytics Erfolge erzielen können. Das ist der vierte aktuelle Trend. Die Definition und Einführung von Datenstrategien und Data Governance, eine Schaffung von Organisationseinheiten wie Data Labs mit neuen Rollen und Skills oder auch das brennende Thema der Operationalisierung von Advanced Analytics sind hier gute Beispiele.

Anzeige

Letztlich und fünftens geht es bei vielen Trends um eine Verbesserung der Nutzung von Daten in Prozessen. Hier sind Embedded BI und Analytics, API Management oder auch neue Ansätze zur Prozess- und Entscheidungsautomatisierung einige Beispiele relevanter Trends.

Und was ist laut BARC Trend Monitor für die Anwender der aktuell wichtigste Trend?

Zur dritten Mal in Folge sind die Themen Stammdatenmanagement und Datenqualität auf den ersten beiden Plätzen im BARC BI Trend Monitor. Das sind beides keine typischen BI-Themen. Das zeigt: Die Anwender haben erkannt, dass die schönste Aufbereitung von Daten in Dashboards oder auch die Bereitstellung von Analysefunktionen nichts wert ist, wenn sie nicht die richtigen Daten erhalten oder die Qualität nicht stimmt. Das ist eigentlich eine triviale Erkenntnis, die vielleicht in den letzten Jahren nicht so sehr beachtet wurde, der Handlungsbedarf aber außerordentlich groß zu sein scheint.

Abbildung 1: Bewertung von BI-Trends durch BI-Anwender, -Berater, -Hersteller (Quelle: BARC BI Trend Monitor 2020, n=2865)

Welche weiteren Ergebnisse überraschen?

Ich fand spannend zu sehen, dass eine datengetriebene Unternehmenskultur von Nutzern als sehr bedeutend angesehen wird. Es geht um die Rahmenparameter des zielgerichteten und erfolgreichen Einsatzes von Daten und Analytics und ob Unternehmen sich die richtigen Fragen stellen, wie: »Was für eine Organisation habe ich?« oder »Wie ist die Einstellung von Mitarbeitern zu datenbasierten Entscheidungen, zu Prozessveränderungen und zur Entscheidungsautomatisierung auf Basis von Analyse oder vorhersagenden Modellen?«

Auch Data Governance ist seit 2018 permanent unter den Top-5 Trends.

Unternehmen – und letztlich alle Menschen – erzeugen immer mehr Daten. Um dieses Asset effektiv zu nutzen, muss man bei relativ einfachen Sachen anfangen. Das beginnt mit Data Catalogs, um eine Übersicht zu vorhandenen Daten und deren Zugriffsrechte zu haben. Die Flut an neuen Datenquellen erfordert aber nicht nur Kataloge sondern auch ein klares Regelwerk, wie wir mit Daten umgehen möchten. Hier setzt Data Governance an. Die »Governance« ist übrigens nicht nur einschränkend und damit für viele negativ.

Denken wir an das aktuell dominierende Thema Vertrauen. Wir müssen neue Wege finden zu verstehen und zu kommunizieren, welchen Daten und Informationen wir überhaupt noch trauen können. Immer mehr Daten werden maschinell erzeugt, sind aber auch extrem einfach manipulierbar. Der Empfänger kann nicht oder nur sehr schwer feststellen, ob Analyseergebnisse, Bilder, Text oder Ton maschinell oder menschlich erzeugt wurden, original oder verfälscht sind. Wenn Data Governance dafür sorgt, dass wir uns auf die Systeme und Prozesse verlassen können, die uns Daten liefern, dann ist das sehr positiv.

Ein weiterer Treiber für den Bedarf an mehr Data Governance sind die Investitionen der letzten zehn bis 15 Jahre in Self-Service BI. Dies hat teilweise zu einem gewissen Chaos in Unternehmen geführt. Entscheider merken, dass sie ein Regelwerk brauchen, um Inkonsistenz in den Kennzahlen oder hohe Ineffizienz im Umgang mit Daten zu vermeiden.

Abbildung 2: Entwickung der Top-Trends in den letzten Jahren (weltweiter Vergleich, BARC BI Trend Monitor 2016-2020, n=2.794 / 2.772 / 2.770 / 2.679/2865)

Advanced Analytics und Machine Learning landen nur auf Platz 10, obwohl über diese Technologien im Jahr 2019 viel gesprochen wurde. Welche Gründe kann das haben??

Advanced Analytics ist vermutlich nicht so hoch bewertet, da es für BI-Praktiker derzeit noch wichtigere Trends gibt. Vielleicht sind Anwender auch skeptisch, wie das aktuell etwas übertrieben aufgeblasene Thema künstliche Intelligenz im Unternehmen tatsächlich Nutzen erzeugen kann. Insgesamt können wir aber durchaus beobachten, dass in Data Science und Advanced Analytics investiert wird. Unternehmen sind teilweise noch in frühen Stadien, aber ich glaube schon, dass das ein Zukunftstrend. Entscheider sind gerade dabei, den Hype von der Realität zu trennen und die nützlichsten Einsatzbereiche zu identifizieren. ]]

1739 Artikel zu „Big Data“

Datenqualität als Erfolgsfaktor

Mit 2.865 befragten BI-Nutzern bietet die Studie einen umfassenden Überblick über die aktuellen Trendthemen auf dem weltweiten Business-Intelligence-Markt. „Die BI-Anwender sehen den Wert der Daten. Das bedeutet, dass für sie Themen wie Datenqualität, Data Governance und Datenstrategie in den Mittelpunkt rücken“, so Dr. Carsten Bange, Gründer und Geschäftsführer des Analystenhauses BARC über die Ergebnisse der Studie. „Im Grunde haben sie erkannt, dass die schönste Aufbereitung von Daten in Dashboards oder auch die Bereitstellung von Analysefunktionalität nichts wert ist, wenn sie nicht die richtigen Daten erhalten oder die Qualität nicht stimmt“.

Die Entwicklung hin zu einer datengetriebenen Unternehmenskultur kann ihre erstmalige Platzierung im letzten Jahr um zwei Positionen verbessern. Dieser Trend wird 2020 noch wichtiger und landet auf Platz drei. Self-Service BI hingegen sank in diesem Jahr auf den fünften Platz, während Data Governance auf dem vierten Platz bleibt. Daten effizient zu nutzen, steht für BI-Anwender an erster Stelle. Alles in allem bilden diese fünf Top-Trends die Grundlage für Unternehmen, ihre eigenen Daten zu verwalten und zu verwenden.

Künstliche Intelligenz (KI) noch nicht auf der Agenda von BI-Entscheidern

Einige Trends haben seit dem vergangenen Jahr leicht an Bedeutung gewonnen – dazu gehören Echtzeit-Analysen und Integrierte Plattformen für BI und CPM. Trotz allem ist keine große Verschiebung bei den Aufwärtstrends zu beobachten. Bei Abwärtstrends ist das Gegenteil der Fall: Mobile BI sank in diesem Jahr von Platz zwölf auf Platz fünfzehn und setzt damit den Abwärtstrend von 2017 fort. Die mobile Nutzung von BI-Funktionen könnte für BI-Nutzer nicht mehr so interessant sein, da sie entweder verfügbar ist oder weil sich die Anforderungen von Unternehmen verändern.

Advanced Analytics, Machine Learning und Künstliche Intelligenz sind in aller Munde. Trotzdem stufen BI-Anwender diesen Trend niedriger ein als im Vorjahr (von neun auf zehn). Wichtiger als der Unterschied eines Ranges ist jedoch die Tendenz hinter diesem leichten Abwärtstrend: Im Jahr 2018 basierten viele Hoffnungen auf neuen Werkzeugen mit Künstlicher Intelligenz, so dass ein Anstieg dieses Themas zu erwarten gewesen wäre. Dr. Carsten Bange erklärt den leichten Abwärtstrend des Hypethemas: „Advanced Analytics ist vermutlich nicht so hoch bewertet, da BI-Praktiker derzeit für sie noch wichtigere Trends sehen. Vielleicht sind Anwender auch skeptisch, wie das aktuell etwas übertrieben aufgeblasene Thema Künstliche Intelligenz im Unternehmen tatsächlich Nutzen erzeugen kann. Entscheider sind gerade dabei, den Hype von der Realität zu trennen und die nützlichsten Einsatzbereiche zu identifizieren“, so Dr. Carsten Bange.

Bildquelle: Getty Images/iStock

Big Data im Innovationsmanagement: Wie Machine Learning die Suche nach Trends und Technologien revolutioniert

Zusammenfassung

Innovationsmanagement ist für Unternehmen in der heutigen Zeit ein wichtiges Instrument, um in sich schnell wandelnden Märkten konkurrenzfähig und erfolgreich zu bleiben. Dafür stehen in der heutigen Zeit große Mengen an Daten zur Verfügung, aus denen die relevanten Informationen jedoch zunächst herausgefiltert werden müssen. Dieser Beitrag präsentiert die Ergebnisse einer Studie zu den Herausforderungen an ein erfolgreiches Innovationsmanagement in Unternehmen und stellt ein Umfeldscanningsystem vor, das die Effizienz von Innovationsmanagement mithilfe von Big Data Analytics steigert. Durch die Anwendung von modernen Verfahren des maschinellen Lernens und mathematischen Algorithmen kann dieses in hohem Maße automatisiert werden. In der anschließenden Fallstudie wird anhand von zwei Datensätzen gezeigt, wie mithilfe des Umfeldscanningsystems aktuelle Trends gefunden werden können. Zum Schluss wird das datenbasierte Umfeldscanningsystem als Chance für kleine und mittlere Unternehmen und als Lösung für die im Vorfeld erkannten Herausforderungen diskutiert. Fast changes in global and local markets make innovation management an important factor for companies to stay competitive. Nowadays, a large amount of data is available which holds all the information we need—but the information that is crucial first needs to be identified by filtering these vast amounts of data. The authors show the results of a study on challenges that companies face with Innovation Management and present a concept on how big data analytics can be used to improve the efficiency of Innovation Management. State-of-the-art machine learning and other mathematical algorithms can automate and optimize the procedure tremendously. In a case study, the usage of an environmental scanning system for the detection of trends is demonstrated in a practical example on two data sets. Finally, it is discussed how a data-based approach to innovation management can help small and medium-sized companies to keep in touch with the times.